[发明专利]一种基于历史数据分析的容器云平台资源配额预测方法

说明书

本发明公开了一种基于历史数据分析的容器云平台资源配额预测方法，该方法创新性地基于混合统计学模型，根据容器实例的不同资源维度历史负载，在满足服务质量前提下获得服务的不同维度资源消耗的关系；在请求负载一定的情况下，通过数据分析的方法，选出待选配额值中最优的配额值；通过不同级别负载测试实验，得到相应负载级别下的资源分配量，根据这些对应不同服务负载下的资源分配量协同负载预测方法进行资源分配预测，优化资源配额方法，通过得到特定场景下服务所需资源量，结合考虑负载预测特性的调度方法，能预先针对负载做出调度及扩缩容决策，降低调度对服务质量影响，提升容器云平台稳定性。

技术领域

本发明属于云计算领域，具体属于容器云平台资源配额、资源预测领域，尤其涉及一种历史数据分析的容器云平台资源配额预测方法及装置。

背景技术

云计算技术迅速发展，基于云平台的应用也层出不穷。云平台通过虚拟化技术将计算机资源整合成资源池，以按需付费的方式实现了用户对计算资源的弹性需求。云计算发展至今，虚拟化技术一直是云平台中的关键技术，而容器技术则是近年来新兴的一种虚拟化技术。它的出现给传统虚拟化技术带来了挑战，为构建高效的云平台提供了新的思路。

现今各大云计算运营商正在大量的构建基于Docker容器技术的云平台。其中kubernetes是一个全新的基于容器技术的分布式架构领先方案。Kubernetes在Docker的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性。然而kubernetes在Pod的资源配额中，不同维度配额值关系，配额值粒度大小应该设置多少是普遍存在的一个问题，其直接导致现在的Pod资源利用率低，资源配额碎片化；另外，现阶段还存在服务调度扩缩容的延时性等问题。

针对不同的服务对不同维度的资源有着不同的需求，如果不考虑这个特性，那么针对服务的资源分配会存在较大的浪费和碎片化问题，这将大大减少对于资源的有效利用。同时，对服务在特定负载级别下所需资源值的预估也对资源的分布、分配以致对于资源利用率的提升都有着十分重要的应用，结合负载预测的调度算法，能够提高服务的稳定性。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于历史数据分析的容器云平台资源配额预测方法。本发明是一种资源配额、资源预估方法，用于解决现在kubernetes资源调度存在的资源利用不均衡、资源配额碎片化严重、调度扩缩容的延时性等问题。

本发明的目的是通过以下技术方案来实现的：一种基于历史数据分析的容器云平台资源配额预测方法，包括以下步骤：

(1)分别在实验环境和线上环境监控kubernetes服务实例并获得服务负载数据和资源使用量数据；所述资源使用量数据包括CPU资源使用量和内存资源使用量等。

(2)根据步骤(1)得到的服务负载数据和资源使用量数据，基于统计学模型获取CPU资源使用量和内存资源使用量之间的关系。

(3)设置CPU参考配额值，并通过均匀采样生成一组CPU待选配额值；再根据步骤(2)获取的CPU资源使用量和内存资源使用量之间的关系，得到对应的内存待选配额值，构成CPU、内存配额值组；对不同的配额值组重复配额实验，根据实验得到的最小资源占用值确定配额较优值组。

(4)将服务配额设定为步骤(3)得到的配额较优值组，采用不同级别负载作为实验环境的服务请求，记录不同级别请求负载对应的CPU资源使用量。

(5)根据步骤(4)得到的不同级别请求负载对应的CPU资源使用量，通过线性回归的方法得到请求负载和服务CPU资源使用量的函数关系，从而根据请求负载预测CPU资源使用量。

进一步地，所述步骤(1)包括以下子步骤：